મફત embeddings API
Embeddings API લખાણને search, RAG અને clustering માટે vectors માં ફેરવે છે. ઘણા પ્રદાતા embeddings મફત આપે છે. FreeLLMAPI 41 મફત embedding મોડેલને એક /v1/embeddings endpoint પાછળ મૂકે છે. આ માર્ગદર્શિકા મોડેલ, તેમની મર્યાદા અને કામ કરતો કોડ બતાવે છે.
કોડ, મૉડેલ નામ અને લાઇવ કૅટલૉગ લેબલ અંગ્રેજીમાં બતાવવામાં આવે છે.
FreeLLMAPI માં મફત embeddings કેવી રીતે કામ કરે છે
/v1/embeddings endpoint OpenAI request ફોર્મેટ વાપરે છે. કોઈપણ OpenAI SDK તેને કૉલ કરી શકે છે. તમે લખાણ મોકલો છો, અને દરેક input string માટે એક vector મળે છે.
Embeddings માં chat કરતાં અલગ failover નિયમ છે. Chat વિનંતી બીજા મોડેલ પર જઈ શકે છે. Embedding વિનંતી ક્યારેય બીજા મોડેલ પર જતી નથી. બે મોડેલના vectors સુસંગત નથી, તેથી મોડેલનો શાંત ફેરફાર તમારા vector store ને બગાડશે.
- Family: FreeLLMAPI પ્રદાતાઓને family પ્રમાણે જૂથબદ્ધ કરે છે. family એ એક મોડેલ ઓળખ છે જેનું એક vector કદ છે, ઉદાહરણ તરીકે 1024 dimensions વાળું
bge-m3. - Failover: જ્યારે family ના એક પ્રદાતા તેની મર્યાદા સુધી પહોંચે, ત્યારે રાઉટર તે જ family આપતા આગલા પ્રદાતાને અજમાવે છે.
- Default:
model: "auto"ડિફોલ્ટ family વાપરે છે. ડેશબોર્ડના Models, Embeddings પેજ પર ડિફોલ્ટ family સેટ કરો.
આજે મફત embedding મોડેલ
ટેબલ FreeLLMAPI catalog ના દરેક મફત embedding મોડેલની યાદી આપે છે. માહિતી લાઇવ catalog માંથી આવે છે. "Max input" એક input string માટે tokens ની મહત્તમ સંખ્યા છે. "Free limit" એ પ્રદાતા જાહેર કરે તે મફત quota છે.
| મૉડેલ | પ્રદાતા | પરિમાણો | મહત્તમ ઇનપુટ | મફત મર્યાદા |
|---|---|---|---|---|
Gemini Embeddinggemini-embedding-001 | Google AI Studio | 3072 | 2048 | 100 rpm · 1K req/day |
Nemotron Embed VL 1Bnvidia/llama-nemotron-embed-vl-1b-v2 | NVIDIA NIM | 2048 | 8192 | ~40 rpm |
Nemotron 3 Embed 1B (OR free)nvidia/nemotron-3-embed-1b:free | OpenRouter | 2048 | 32768 | 20 rpm · shared free daily cap |
SEA-LION E5 Embedding 600Maisingapore/SEA-LION-E5-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 300Maisingapore/SEA-LION-ModernBERT-Embedding-300M | SEA-LION | 1024 | 8192 | free · 10 rpm |
SEA-LION ModernBERT Embedding 600Maisingapore/SEA-LION-ModernBERT-Embedding-600M | SEA-LION | 1024 | 8192 | free · 10 rpm |
BGE-M3@cf/baai/bge-m3 | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
EmbeddingGemma 300M@cf/google/embeddinggemma-300m | Cloudflare Workers AI | 768 | 2048 | 10K neurons/day (shared) |
Qwen3 Embedding 0.6B@cf/qwen/qwen3-embedding-0.6b | Cloudflare Workers AI | 1024 | 8192 | 10K neurons/day (shared) |
Cohere Embed v4embed-v4.0 | Cohere | 1536 | 128000 | 1K calls/mo (shared w/ chat) |
Gemini Embedding 2gemini-embedding-2 | Google AI Studio | 3072 | 8192 | free-tier rate limited |
Nemotron 3 Embed 1Bnvidia/nemotron-3-embed-1b | NVIDIA NIM | 2048 | 4096 | ~40 rpm |
PLaMo Embedding 1B (CF)@cf/pfnet/plamo-embedding-1b | Cloudflare Workers AI | 2048 | 4096 | 10K neurons/day (shared) |
BGE Small EN v1.5 (CF)@cf/baai/bge-small-en-v1.5 | Cloudflare Workers AI | 384 | 512 | 10K neurons/day (shared) |
BGE Base EN v1.5 (CF)@cf/baai/bge-base-en-v1.5 | Cloudflare Workers AI | 768 | 512 | 10K neurons/day (shared) |
BGE Large EN v1.5 (CF)@cf/baai/bge-large-en-v1.5 | Cloudflare Workers AI | 1024 | 512 | 10K neurons/day (shared) |
Mistral Embedmistral-embed | Mistral | 1024 | 8192 | free mode · monthly cap (shared) |
Codestral Embedcodestral-embed | Mistral | 1536 | 8192 | free mode · monthly cap (shared) |
Llama Text Embed v2 (Pinecone)llama-text-embed-v2 | Pinecone | 1024 | 2048 | 5M tokens/mo per model |
Multilingual E5 Large (Pinecone)multilingual-e5-large | Pinecone | 1024 | 507 | 5M tokens/mo per model |
Nemotron 3 Embed 1B (Speka)nvidia/nemotron-3-embed-1b | Speka | 2048 | 8192 | $1/month shared across Speka models |
OpenAI: Text Embedding 3 Small (ElectronHub)text-embedding-3-small | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
OpenAI: Text Embedding 3 Large (ElectronHub)text-embedding-3-large | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Nemotron 3 Embed 8B (Inferbase)nvidia-nemotron-3-embed-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 0.6B (Inferbase)qwen3-embedding-0-6b | Inferbase | 1024 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 4B (Inferbase)qwen3-embedding-4b | Inferbase | 2560 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
Qwen 3 Embedding 8B (Inferbase)qwen3-embedding-8b | Inferbase | 4096 | 8192 | 5,000 requests/month; 100 requests and $0.50 usage/day shared |
LFM2.5 Embedding 350M (LLMTR)liquid/lfm-2.5-embedding-350m-free | LLMTR | 1024 | 512 | Ongoing zero-price route; provider terms apply |
BGE-M3 (SEA-LION)BAAI/bge-m3 | SEA-LION | 1024 | 8192 | free · 10 rpm |
Cohere Embed English v3embed-english-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Qwen3 Embedding 8B (OVH)Qwen3-Embedding-8B | OVH AI Endpoints | 4096 | 32768 | free · anonymous 2 req/min per IP |
BGE-M3 (OVH)bge-m3 | OVH AI Endpoints | 1024 | 8192 | free · anonymous 2 req/min per IP |
BGE Multilingual Gemma2 (OVH)bge-multilingual-gemma2 | OVH AI Endpoints | 3584 | 8192 | free · anonymous 2 req/min per IP |
Mistral: Codestral Embed (ElectronHub)codestral-embed | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Mistral: Mistral Embed (ElectronHub)mistral-embed | ElectronHub | 1024 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 2 (ElectronHub)gemini-embedding-2 | ElectronHub | 3072 | 8192 | $0.25/week shared free credits |
Google: Gemini Embedding 001 (ElectronHub)gemini-embedding-001 | ElectronHub | 3072 | 2048 | $0.25/week shared free credits |
OpenAI: Text Embedding Ada 002 (ElectronHub)text-embedding-ada-002 | ElectronHub | 1536 | 8192 | $0.25/week shared free credits |
Cohere Embed English Light v3embed-english-light-v3.0 | Cohere | 384 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual v3embed-multilingual-v3.0 | Cohere | 1024 | 512 | 1K calls/mo (shared w/ chat) |
Cohere Embed Multilingual Light v3embed-multilingual-light-v3.0 | Cohere | 384 | 512 | 1K calls/mo (shared w/ chat) |
FreeLLMAPI કૅટલૉગનો લાઇવ ડેટા (સંસ્કરણ 2026.11.19, તપાસ્યું 2026-11-19). મફત મર્યાદાઓ વારંવાર બદલાય છે. કૅટલૉગ દરરોજ તપાસવામાં આવે છે.
કેટલાક પ્રદાતા chat અને embeddings વચ્ચે એક quota શેર કરે છે. ઉદાહરણ તરીકે, Cohere trial key બધા endpoints માટે દર મહિને 1,000 API calls આપે છે. Cloudflare Workers AI દર દિવસે 10,000 neurons આપે છે, જે account પરના બધા Workers AI મોડેલ વચ્ચે શેર થાય છે.
પગલું 1: FreeLLMAPI ઇન્સ્ટોલ કરો અને keys ઉમેરો
FreeLLMAPI open source છે. તે Docker માં તમારા કમ્પ્યુટર પર ચાલે છે. તમારી પ્રદાતા keys તમારા કમ્પ્યુટર પર જ રહે છે.
ઇન્સ્ટોલ કરો (macOS અથવા Linux)
curl -fsSL https://freellmapi.co/install.sh | bashડેશબોર્ડ http://localhost:3001 પર ખોલો. Keys પેજ પર તમારી પ્રદાતા keys ઉમેરો. embeddings માટે Google AI Studio key અને Cloudflare key સારી શરૂઆત આપે છે. તે જ પેજ પરથી તમારી unified key કૉપી કરો.
પગલું 2: embeddings endpoint કૉલ કરો
એક વિનંતીમાં ઘણા vectors મેળવવા strings ની યાદી મોકલો. તમારા દસ્તાવેજ અને તમારા search queries માટે એક જ model મૂલ્ય વાપરો.
curl
curl http://localhost:3001/v1/embeddings \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"model": "bge-m3", "input": ["the quick brown fox", "a fast brown fox"]}'Python: બે લખાણ embed કરો અને તુલના કરો
import math
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
resp = client.embeddings.create(
model="bge-m3", # a family name, "auto", or a provider model id
input=["How do I reset my password?", "Steps to change a forgotten password"],
)
a, b = resp.data[0].embedding, resp.data[1].embedding
print(len(resp.data), "vectors of", len(a), "dimensions")
dot = sum(x * y for x, y in zip(a, b))
norm = math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b))
print("cosine similarity:", round(dot / norm, 3))model ફીલ્ડ ત્રણ રૂપ સ્વીકારે છે: auto, bge-m3 જેવું family નામ, અથવા @cf/baai/bge-m3 જેવું provider model id. provider model id તેની family માં ઉકેલાય છે, તેથી failover હજી તે family ની અંદર જ રહે છે.
કયું મફત embedding મોડેલ પસંદ કરવું
દરેક vector store માટે મોડેલ એક વાર પસંદ કરો. જો પછીથી મોડેલ બદલો, તો બધા દસ્તાવેજ ફરી embed કરવા પડશે.
| જરૂરિયાત | મોડેલ family | કારણ |
|---|---|---|
| ટૂંકું અંગ્રેજી અથવા બહુભાષી લખાણ, ઘણા પ્રદાતા | bge-m3 | 1024 dimensions, 8,192 input tokens. ઘણા મફત પ્રદાતા તે આપે છે, તેથી failover માટે વધુ વિકલ્પ છે. |
| Google key સાથે ઉચ્ચ ગુણવત્તાવાળું retrieval | gemini-embedding-001 | 3072 dimensions. input મર્યાદા 2,048 tokens છે, તેથી લાંબા દસ્તાવેજને chunks માં વહેંચો. |
| એક vector માં લાંબા દસ્તાવેજ | embed-v4.0 (Cohere) | મોટી input window. trial key દર મહિને ફક્ત 1,000 calls આપે છે, જે chat સાથે શેર થાય છે. |
| નાના vectors અને ઝડપી search | bge-small-en-v1.5 | 384 dimensions. ફક્ત અંગ્રેજી, અને input મર્યાદા 512 tokens છે. |
| Code search | codestral-embed | Code માટે તાલીમ પામેલું. તે Mistral ના મફત mode quota નો ઉપયોગ કરે છે. |
મોટા vectors vector database માં વધુ storage અને memory લે છે. 3072-dimension vector, 1024-dimension vector કરતાં ત્રણ ગણું મોટું છે. 10 લાખથી ઓછા chunks વાળા મોટાભાગના RAG પ્રોજેક્ટ માટે 768 થી 1024 dimensions સારા પરિણામ આપે છે.
મર્યાદા અને મુશ્કેલીઓ
- Input મર્યાદા: "Max input" મૂલ્ય કરતાં વધુ લખાણ કાપી શકાય અથવા નકારી શકાય. embed કરતા પહેલાં દસ્તાવેજને 300 થી 800 tokens ના chunks માં વહેંચો.
- એક store માં એક family: એક index માં બે family ના vectors ભેળવશો નહીં. મોડેલો વચ્ચે similarity scores નો અર્થ નથી.
- Normalization: Google કહે છે કે 3072 કરતાં ઓછા dimensions વાળા
gemini-embedding-001vectors તમારે normalize કરવા જ જોઈએ. score તરીકે dot product વાપરતા પહેલાં બધા vectors normalize કરો. - Rate limits: મફત ટિયર પ્રતિ મિનિટ કે પ્રતિ દિવસ વિનંતી ગણે છે. દરેક string માટે એક વિનંતીને બદલે, એક વિનંતીમાં strings નો batch મોકલો.
- અનામી ટિયર: OVH AI Endpoints key વગર દરેક IP address અને મોડેલ માટે પ્રતિ મિનિટ 2 વિનંતી આપે છે. તેને fallback તરીકે વાપરો, bulk indexing માટે નહીં.
સમસ્યાનિવારણ
| સમસ્યા | કારણ | ઉકેલ |
|---|---|---|
| Bulk indexing દરમિયાન error 429 | family માટે પ્રદાતાની મર્યાદા પહોંચી ગઈ છે | તે જ family માટે બીજી પ્રદાતા key ઉમેરો, અથવા દર મિનિટે ઓછી વિનંતી મોકલો |
| ફેરફાર પછી search પરિણામ ખોટાં છે | દસ્તાવેજ અને queries જુદી family વાપરે છે | બંને માટે એક model મૂલ્ય વાપરો. જો તમે તે બદલ્યું હોય, તો દસ્તાવેજ ફરી embed કરો |
| Vector લંબાઈ તમે ધારી તેવી નથી | auto ડિફોલ્ટ family વાપરે છે | સ્પષ્ટ family નામ સેટ કરો, અથવા Models, Embeddings પર ડિફોલ્ટ તપાસો |
| લાંબા લખાણ નબળા મેળ આપે છે | લખાણ input મર્યાદા કરતાં લાંબું છે | લખાણને નાના chunks માં વહેંચો |
| Error 401 | unified key ખોટી છે અથવા ગેરહાજર છે | Keys પેજ પરથી unified key ફરી કૉપી કરો |
વારંવાર પૂછાતા પ્રશ્નો
શું મફત embeddings API છે?
હા. Google AI Studio, Cloudflare Workers AI, Cohere, NVIDIA, Mistral, OVH અને બીજા મફત embedding મોડેલ rate limits સાથે આપે છે. FreeLLMAPI તેમાંથી 41 ને એક OpenAI-compatible endpoint પાછળ મૂકે છે.
શું મફત embeddings માટે હું OpenAI SDK વાપરી શકું?
હા. base URL ને http://localhost:3001/v1 પર સેટ કરો અને તમારી unified key વાપરો. પછી bge-m3 જેવા family નામ સાથે client.embeddings.create કૉલ કરો.
FreeLLMAPI બીજા embedding મોડેલ પર failover કેમ કરતું નથી?
જુદા મોડેલના vectors સુસંગત નથી. મોડેલનો શાંત ફેરફાર similarity search ને તોડી નાખશે. રાઉટર ફક્ત તે જ પ્રદાતાઓ વચ્ચે failover કરે છે જે એક જ મોડેલ family આપે છે.
RAG માટે શ્રેષ્ઠ મફત embedding મોડેલ કયું છે?
મોટાભાગના પ્રોજેક્ટ માટે bge-m3 સારું ડિફોલ્ટ છે. તેના 1024 dimensions, 8,192-token input મર્યાદા અને ઘણા મફત પ્રદાતા છે. જો તમને 3072 dimensions જોઈએ અને તમારી પાસે Google key હોય, તો gemini-embedding-001 વાપરો.
મારા embeddings કેટલા dimensions ના હોવા જોઈએ?
મોટાભાગના search અને RAG કામ માટે 768 થી 1024 dimensions વાપરો. મોટા vectors વધુ storage અને memory લે છે. કદ એક વાર પસંદ કરો, કારણ કે ફેરફારનો અર્થ છે કે બધા દસ્તાવેજ ફરી embed કરવા પડશે.
સંબંધિત માર્ગદર્શિકાઓ
- RAG માટે મફત LLM API
- LangChain માટે મફત LLM API
- Python માં મફત LLM API
- free cohere api
- મફત LLM API rate limits
સ્રોતો
- FreeLLMAPI docs: Embeddings (તપાસ્યું 20 November 2026)
- Google AI Studio docs: Embeddings (તપાસ્યું 20 November 2026)
- Cloudflare Workers AI pricing (તપાસ્યું 20 November 2026)
- Cohere docs: API keys and rate limits (તપાસ્યું 20 November 2026)
- OVHcloud AI Endpoints capabilities (તપાસ્યું 20 November 2026)